谱聚类算法作为一种高效智能的算法逐渐成为近几年聚类算法中研究的热点,广泛应用于计算机视觉、图像分割、文本聚类和数据异常检测等领域。传统谱聚类算法应用到图像分割中时,效果上差强人意,因此本文引入一种改进的谱聚类算法,并进行相关实验验证算法的性能。针对传统的谱聚类应用到图像分割中运行时间长,分割精度低的缺陷,本文提出一种改进的谱聚类图像分割算法。提出用余弦距离代替欧氏距离度量相似度矩阵,避免人工设定尺度参数所带来的人为误差;为了提高分割精度,每个像素特征中引入纹理信息和空间位置,更全面的描述图像的性质;在谱映射过程中,采用Nystr?m逼近方法近似估计相似度矩阵和主特征向量,降低运算的复杂度;最后利用优化meansk-算法与优化粒子群算法结合的聚类算法对得到的低维向量子空间聚类划分,将粒子群算法和k-means算法的优势相结合,使处理大规模的数据的时候比单纯的聚类算法效果好,避免局部最优情况的出现,加快收敛速度。实验证明该算法与传统谱聚类相比,运行时间和分割精度显著提高,并具有一定的抑制噪声的能力。